torchtext.functional

to_tensor

torchtext.functional.to_tensor(input: Any, padding_value: Optional[int] = None, dtype: dtype = torch.int64) → Tensor

将输入转换为 torch 张量

Parameters:

• 填充值 (可选[整数]) – 填充值以使批次中的每个输入长度等于批次中最长序列的长度。

• 数据类型 (torch.dtype) – torch.dtype 输出张量的数据类型

• 输入 (Union[List[int], List[List[int]]]) – 词元 ID 的序列或批处理

Return type:

张量

Tutorials using to_tensor:

使用 XLM-RoBERTa 模型进行 SST-2 二分类文本分类

使用 XLM-RoBERTa 模型进行 SST-2 二分类文本分类

截断

torchtext.functional.truncate(input: Any, max_seq_len: int) → Any

截断输入序列或批次

Parameters:

• 输入 (Union[List[Union[str, int]], List[List[Union[str, int]]]]) – 需要截断的输入序列或批次

• max_seq_len (int) – 超过该长度的输入将会被丢弃

Returns:

截断序列

Return type:

联合[List[联合[字符串, 整数]], List[List[联合[字符串, 整数]]]]

add_token

torchtext.functional.add_token(input: Any, token_id: Any, begin: bool = True) → Any

在序列开头或结尾添加令牌

Parameters:

• 输入 (Union[List[Union[str, int]], List[List[Union[str, int]]]]) – 输入序列或批处理

• token_id (Union[str, int]) – 要添加的标记

• 开始 (布尔值, 可选) – 是否在序列开头或结尾插入标记，默认为True

Returns:

带有起始或结束 token_id 的序列或批次输入

Return type:

联合[List[联合[字符串, 整数]], List[List[联合[字符串, 整数]]]]

str_to_int

torchtext.functional.str_to_int(input: Any) → Any

将字符串令牌转换为整数（单个序列或批处理）。

Parameters:

输入 (Union[List[str], List[List[str]]]) – 输入序列或批处理

Returns:

字符串标记序列或批次转换为整数

Return type:

联合[List[整数], List[List[整数]]]